Characterization of the ringing artifacts in rotator‐based reconstruction with Monte Carlo‐based resolution compensation for PET
Notice bibliographique
Résumé
PURPOSE: Studies have shown that Monte Carlo-based reconstruction could effectively improve the image quality of positron emission tomography. The authors have previously used a Gaussian rotator-based algorithm to efficiently reduce the computational cost for system matrix (SM) calculation and to meet the large memory requirements for SM storage. However, pronounced ringing artifacts were observed in the reconstructed image. In this article, the authors investigated and characterized these artifacts. METHODS: The authors proposed an "ideal" rotator and used it as a baseline in the artifacts evaluation. This ideal rotator produces perfectly rotated images. The Gaussian rotator method was evaluated by a full system model and a partial system model without positron range and acolinearity, which could be compensated for by the blurring of the Gaussian rotator for 18F studies. Noiseless data, Monte Carlo simulation data, as well as acquired experimental data were used to quantitatively characterize the behavior of the artifacts. RESULTS: The study of the noiseless data indicated that the artifacts were mainly attributed to the rotator, which further blurred the simulated system responses. The simulation study suggested that the artifacts become less pronounced and not quantitatively significant in practice. This result is consistent with the experimental data study. Better contrast recovery was achieved with an over-compensated system model. Traditionally, an undercompensated system model was preferred to avoid artifacts. The authors' studies suggest that the Gaussian rotator with the full system model yields the best image quality among the evaluated methods with considerably reduced quantitative error and quantitatively insignificant artifacts in practice. CONCLUSIONS: The authors' investigation indicated that a moderately overcompensated system model (about 2 mm FWHM in this study) yielded better contrast recovery and quantitatively insignificant artifacts in practice.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».